简介： 本发明公开了一种基于深度学习卷积神经网络的新冠病毒识别预测模型，选取确诊新冠与健康人员的血清拉曼光谱作为样本，首先将样本光谱数据使用Min‑max方法归一化、使用Savitzky‑Golay方法对光谱进行平滑去噪、使用主成分分析方法对光谱数据降维处理后，利用卷积神经网络构建新冠病毒的识别预测模型，并使用Adam优化算法对模型参数进行优化，以提高模型的预测准确率。最后，为证明卷积神经网络的优越性，选取机器学习中的随机森林、逻辑回归、决策树、K近邻等算法进行模型构建，对比不同模型的预测结果，得出基于卷积神经网络的模型对新冠病毒具有最高的识别准确率，为生物医学检测新冠病毒提供一种无损辅助的方法。